RAG时代，制作mdx的重大突破

shawky.nasr

) j7 {5 Q# W8 `
参考：OmniDocBench: Benchmarking Diverse PDF Document Parsing with Comprehensive Annotations

研究的代码

& ^3 f  T1 w  F. S% _9 E

总结结果：
- P1 U8 J% X8 d  x! S

7 N- n" O3 e9 t. m$ Z2 S- [8 W# z
0 h" B% R4 n- U国外，最强识别模型是（到2025年4月）：Gemini-2.5-Pro

/ t7 }0 s. S: _. Z. X) Y1 G国内排行：

第一，Doc2X
! p) X; u2 G1 F! {. \
第二：合合模型

; L6 _, ^6 V; e$ @+ G1 A第三：Qwen2.5-VL-72B
  r! Y' Y. H2 N/ U5 M
第四：MinerU

相关：
. g! O7 }- v, V/ T  l这个OCR很强呀

shawky.nasr

" g- P; R& O( Q4 j* N简单教程：
1.导出markdown
  l. F  C5 l0 R: J/ s2. 排版文本

9 ^7 I' f3 S# c6 N

5 s( L7 h; ?  ?$ h/ Q2 Y5 [
  L: t3 h1 i0 g2 E' ]. ?5 A

: y8 T5 k# |9 L' o  ]# R

shawky.nasr

& O2 |1 k) @( @; Q' ~2 E/ K9 q/ e

& y- h$ F# S' T3 G1 e$ W

shawky.nasr

新模型PDF-Craft，PDF Craft 可以将 PDF 文件转化为Epub等格式

8 l' k! ~1 i% @  @  G# ~7 t


4 Y* x3 z1 k) n5 ^; \
7 \8 E/ c3 v  ]& k+ g  [1 |7 {



  e% G, s, l* D3 C5 ^Pdf Craft